小数据在机器学习中的关键性
发布时间：2021-12-20 14:13:22 所属栏目：智能科技 来源：互联网
导读：对于人工智能的理解，数据起着重要的作用。训练人工智能需要大量数据。这种认为人工智能需要大量数据才能运行的假设忽略了存在性，并掩盖了不需要大数据进行训练的潜在方法。 小数据包括迁移学习、数据标记、人工数据、贝叶斯方法以及强化学习。使用小数据的
|
对于人工智能的理解，数据起着重要的作用。训练人工智能需要大量数据。这种认为人工智能需要大量数据才能运行的假设忽略了存在性，并掩盖了不需要大数据进行训练的潜在方法。 小数据包括迁移学习、数据标记、人工数据、贝叶斯方法以及强化学习。使用小数据的方法也可以吸引非技术专业人士了解数据何时、何地以及如何对人工智能有用。通过评估人工智能领域当前和未来的进展，小数据方法正在科学研究领域取得更多进展。 使用人工智能的一个主要挑战是机器需要泛化，也就是说，为训练它们的问题提供正确的答案，因为转移学习就是转移知识。即使在数据有限的情况下也有可能实现。转移学习正被用于癌症诊断、玩电子游戏、垃圾邮件过滤等等。先进的人工智能工具和技术为利用小数据和变化过程训练人工智能提供新的可能性。为了训练人工智能系统，一些大型组织正在使用大量的小数据。 像迁移学习这样的小数据方法有很多优点。例如，使用数据较少的人工智能可以加强数据很少或没有可用数据的领域。尽管许多研究人员认为人工智能的成功需要大数据，但在这种情况下，迁移学习已被证明对于使人工智能应用多样化并进入未开发的领域至关重要。与大数据方法相比，迁移学习还有助于节省成本和时间。许多专家指出，迁移学习将成为机器学习行业的下一个驱动力。 （编辑：52刷机网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |